caffe的mnist小练习

这是一个手写数字分类的小练习，训练集是一些带标签的手写数字，测试集是一些手写数字，目的是将这些手写数字准确地分到对应的类中。

1.数据准备

下载数据：找到caffe/data/mnist文件夹，运行文件

接着出现：

运行完毕后有四个文件：

数据转换：将文件数据转化为lmdb:

注意此时要在caffe根目录下加权限运行，否则可能无法执行：

接着在examples/mnist里面就出现了mnist_test_lmdb和mnist_train_lmdb两个文件

这就是数据集了。

2.网络结构：

这里是LeNet的网络结构，可以将 examples/mnist/lenet_train_test.prototxt .的内容放到 Netscope（http://ethereon.github.io/netscope/#/editor）里面查看

网络结构：

可视化的网络结构，还可以直接观察到每一层的参数，这是一个简单的神经网络结构，从上到下，数据集，接着卷积层--池化层---卷积层---池化层---全连接层innerproduct+relu--innerproduct----最后计算loss,用softmax分到类中

3.训练参数

examples/mnist/lenet_solver.prototxt

建立model文件夹并修改lenet_solver.prototxt 中的snapshot_prefix

4.训练网络

这时候就可以通过运行 train_lenet.sh脚本来训练网络了

在caffe根目录下输入 接着就开始初始化网络：

create mnist layer

接着创建系列的网络层：

创建完成：

接着创建训练网络：

开始优化网络：

接着开始迭代训练：

第 5000次迭代后，建立了个model存在设置的目录下

在10000次迭代后，同样建立model，且训练停止：

最终的accuracy：0.9909，loss:0.0263691

5.测试模型：

调用训练好的模型进行测试

caffe根目录下：用gpu的话：/caffe$ ./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model/lenet_iter_10000.caffemodel -gpu=0

否则：/caffe$ ./build/tools/caffe.bin test -model=examples/mnist/lenet_train_test.prototxt -weights=examples/mnist/model/lenet_iter_10000.caffemodel

接着就看到结果：

使用10000次迭代后的模型进行测试的结果。

note：作为小白，该文档仅供参考，也作为自己练习的记录，有不对的地方请指正，更多信息参考caffe官网。

给自己加油~~~~~

版权声明：本文原创，转载请注明出处！

http://blog.csdn.net/u012581616/article/details/79557517